Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Diagnostyka

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Parkinson’s disease diagnostics using AI and natural language knowledge transfer

Chronowski Maurycy, Kłaczyński Maciej, Dec-Ćwiek Małgorzata, Porębska Karolina

Diagnostyka

2024

Vol. 25, No. 1

art. no. 2024103

With global life expectancy rising every year, ageing-associated diseases are becoming an increasingly important problem. Very often, successful treatment relies on early diagnosis. In this work, the issue of Parkinson's disease (PD) diagnostics is tackled. It is particularly important, as there are no certain antemortem methods of diagnosing PD - meaning that the presence of the disease can only be confirmed after the patient's death. In our work, we propose a non-invasive approach for classification of raw speech recordings for PD recognition using deep learning models. The core of the method is an audio classifier using knowledge transfer from a pretrained natural language model, namely wav2vec 2.0. The model was tested on a group of 38 PD patients and 10 healthy persons above the age of 50. A dataset of speech recordings acquired using a smartphone recorder was constructed and the recordings were labelled as PD/non-PD with the severity of the disease additionally rated using Hoehn-Yahr scale. We then benchmarked the classification performance against baseline methods. Additionally, we show an assessment of human-level performance with neurology professionals.

Speech and tremor tester - monitoring of neurodegenerative diseases using smartphone technology

Chronowski Maurycy, Kłaczyński Maciej, Dec-Ćwiek Małgorzata, Porębska Karolina, Sawczyńska Katarzyna

Diagnostyka

2020

Vol. 21, No. 2

31--39

One of the most frequently diagnosed neurodegenerative disorders, along with Alzheimer’s disease, is Parkinson’s disease. It is a slowly progressing disease of the central nervous system that affects parts of the brain which are responsible for one’s motor functions. Despite the frequency of its occurrence among the elderly population, there has not yet been established a universal approach towards its certain diagnostics ante mortem. The study presents a pilot experiment regarding the assessment of the usefulness of simultaneous processing and analysis of speech signal and hand tremor accelerations for patient’s screening and monitoring of the progress in healing, using the data acquired with a mid-range Android smartphone. During the study, a mobile device of this kind was used to record the patients of the Department of Neurology, University Hospital of the Jagiellonian University in Kraków and a control group of healthy persons over the age of 50. The samples were then analysed and an attempt towards classification was made using statistical methods and machine learning techniques (PCA, SVM, LDA). It was shown that even for a limited population, the classifier reaches about 85% accuracy. Another topic discussed in the study is the possibility of implementing a fully automated mobile system for the monitoring of the disease’s progression. Propositions of further research were also drawn.

Jednym z najczęściej diagnozowanych zaburzeń neurodegeneracyjnych, obok choroby Alzheimera, jest choroba Parkinsona. To wolno postępująca choroba zwyrodnieniowa ośrodkowego układu nerwowego, która zajmuje obszary mózgu odpowiedzialne za motorykę. Pomimo powszechności choroby wśród osób starszych, do tej pory nie została opisana uniwersalna metoda jej pewnego zdiagnozowania. Praca przedstawia pilotażowe badanie dotyczące określenia przydatności i możliwości wykorzystania metod jednoczesnego przetwarzania i analizy sygnału mowy oraz sygnału przyspieszenia drgań kończyny górnej w kontekście badań przesiewowych lub obiektywnego monitorowania postępu leczenia chorób neurodegeneracyjnych, z wykorzystaniem danych pozyskanych za pomocą średniej klasy smartfonu z systemem Android. W ramach badania wykonano za pomocą urządzenia mobilnego nagrania pacjentów Oddziału Neurologii Szpitala Uniwersyteckiego w Krakowie ze zdiagnozowaną chorobą Parkinsona oraz osób zdrowych powyżej 50 roku życia. Próbki poddano analizie i wstępnej klasyfikacji z wykorzystaniem metod statystycznych oraz technik uczenia maszynowego (PCA, SVM, LDA). Pokazano, że skuteczność klasyfikacji już dla niewielkiej populacji sięga około 85%. W pracy omówiono również możliwość implementacji w pełni automatycznego systemu mobilnego monitorowania przebiegu choroby, a także przedstawiono propozycję dalszych badań w tym kierunku.